Revista Facultad de Ingeniería

Interpretabilidade no campo da detecção de doenças de plantas: uma revisão

Abstract The early detection of diseases in plants through artificial intelligence techniques has been a very important technological advance for agriculture since, through machine learning and optimization algorithms, it has been possible to increase the yield of various crops in several countries around the world. Different researchers have focused their efforts on developing models that allow supporting the task of detecting diseases in plants as a solution to the traditional techniques used by farmers. In this systematic literature review, an analysis of the most relevant articles is presented, in which image processing techniques and machine learning were used to detect diseases by means of images of the leaves of different crops. In turn, an analysis of the interpretability and precision of these methods is carried out, considering each phase of the image processing, segmentation, feature extraction and learning processes of each model. In this way, there is evidence of a void in the field of interpretability since the authors have focused mainly on obtaining good results in their models, beyond providing the user with a clear explanation of the characteristics of the model.

Resumen La detección temprana de enfermedades en las plantas mediante técnicas de inteligencia artificial, ha sido un avance tecnológico muy importante para la agricultura, ya que por medio del aprendizaje automático y algoritmos de optimización, se ha logrado incrementar el rendimiento de diversos cultivos en varios países alrededor del mundo. Distintos investigadores han enfocado sus esfuerzos en desarrollar modelos que permitan apoyar la tarea de detección de enfermedades en las plantas como solución a las técnicas tradicionales utilizadas por los agricultores. En esta revisión sistemática de literatura se presenta un análisis de los artículos más relevantes, en los que se usaron técnicas de procesamiento de imágenes y aprendizaje automático, para detectar enfermedades por medio de imágenes de las hojas de diferentes cultivos, y a su vez se lleva a cabo un análisis de interpretabilidad y precisión de estos métodos, teniendo en cuenta cada fase las fases de procesamiento de imágenes, segmentación, extracción de características y aprendizaje, de cada uno de los modelos. De esta manera se evidencia vacío en el campo de la interpretabilidad, ya que los autores se han enfocado principalmente en obtener buenos resultados en sus modelos, más allá de brindar al usuario una explicación clara de las características propias del modelo.

Resumo La detección temprana de enfermedades en las plantas mediante técnicas de inteligencia artificial, ha sido un avance tecnológico muy importante para la agricultura, ya que por medio del aprendizaje automático y algoritmos de optimización, se ha logrado incrementar el rendimiento de diversos cultivos en varios países alrededor do mundo. Diferentes pesquisadores têm focado seus esforços no desenvolvimento de modelos que permitam apoiar a tarefa de detecção de doenças em plantas como solução às técnicas tradicionais utilizadas pelos agricultores. Nesta revisão sistemática da literatura, é apresentada uma análise dos artigos mais relevantes, nos quais técnicas de processamento de imagens e aprendizado de máquina foram utilizadas para detectar doenças por meio de imagens de folhas de diferentes culturas, e por sua vez é realizado um análise da interpretabilidade e precisão destes métodos, tendo em conta em cada fase as fases de processamento da imagem, segmentação, extração de características e aprendizagem, de cada um dos modelos. Desta forma, evidencia-se um vazio no campo da interpretabilidade, uma vez que os autores têm se focado principalmente na obtenção de bons resultados em seus modelos, além de fornecer ao usuário uma explicação clara das características do modelo.

Aplicação de árvores de decisão para prever o desempenho de leitura crítica

Abstract In Colombia, all undergraduate students, regardless of the professional training program they take, must complete the general competencies sections of the Saber Pro exam that include Critical Reading, Quantitative Reasoning, Citizen Competencies, Written Communication, and English. This paper presents the application of the classification technique based on decision trees in the prediction of the performance in the Critical Reading section presented by the students of the Pontificia Universidad Javeriana Cali in the years 2017 and 2018. The CRISP methodology was used. From the socioeconomic, academic and institutional data stored in the ICFES databases, a data repository was built, cleaned and transformed. A mineable view composed of 2052 records and 17 attributes was obtained. The J48 algorithm of the Weka tool was used to build the decision tree. The score obtained in the Critical Reading section of the Saber Pro exam was taken as a class. According to the results obtained, the Philosophy, Applied Mathematics, and Medicine programs stood out for having the best performance in this test. Among the predictive variables associated with performance in the Critical Reading skill are the faculty, the age group and the student's transportation index, as three important variables related to the good or low academic performance of the students of the Universidad Javeriana Cali. The knowledge generated in this research is constituted in quality information to support the decision-making process of the university directives in order to improve the quality of the higher education offered in this institution.

Resumen En Colombia, todos los estudiantes de pregrado, sin importar el programa de formación profesional que cursen, deben presentar las pruebas de competencias genéricas del examen Saber Pro que incluyen: Lectura Crítica, Razonamiento Cuantitativo, Competencias Ciudadanas, Comunicación Escrita e inglés. En este artículo se presenta la aplicación de la técnica de clasificación basada en árboles de decisión para predecir el desempeño en la prueba de Lectura Crítica del examen Saber Pro que presentaron los estudiantes de la Pontificia Universidad Javeriana Cali en los años 2017 y 2018. Se utilizó la metodología CRISP-DM. A partir de los datos socioeconómicos, académicos e institucionales almacenados en las bases de datos del ICFES, se construyó, limpio y transformó un repositorio de datos. Se obtuvo una vista minable compuesta por 2052 registros y 17 atributos. Se utilizó el algoritmo J48 de la herramienta Weka para construir el árbol de decisión. De acuerdo con los resultados obtenidos, se destacaron los programas de Filosofía, Matemáticas Aplicadas y Medicina por tener el mejor desempeño en esta prueba. Entre las variables predictoras asociadas al desempeño en la competencia de Lectura Crítica, están la facultad, el grupo etario y el índice de transporte del estudiante, como tres variables importantes relacionadas al buen o bajo desempeño académico de los estudiantes de la Universidad Javeriana Cali. El conocimiento generado en esta investigación, se constituye en información de calidad para soportar la toma de decisiones de las directivas universitarias en vía del mejoramiento de la calidad de la educación superior que se brinda en esta institución.

Resumo Na Colômbia, todos os alunos de graduação, independentemente do programa de treinamento profissional que estejam cursando, devem apresentar os testes de habilidades genéricas do exame Saber Pro que incluem: Leitura Crítica, Raciocínio Quantitativo, Competências Cidadãs, Comunicação Escrita e Inglês. Este artigo apresenta a aplicação da técnica de classificação baseada em árvores de decisão para predizer o desempenho na prova de Leitura Crítica do exame Saber Pro apresentada pelos alunos da Pontificia Universidad Javeriana Cali nos anos de 2017 e 2018. Foi utilizado o CRISP- Metodologia DM. A partir dos dados socioeconômicos, acadêmicos e institucionais armazenados nas bases de dados do ICFES, um repositório de dados foi construído, limpo e transformado. Foi obtida uma vista lavrável composta por 2.052 registros e 17 atributos. O algoritmo J48 da ferramenta Weka foi usado para construir a árvore de decisão. De acordo com os resultados obtidos, os programas de Filosofia, Matemática Aplicada e Medicina destacaram-se por ter o melhor desempenho nesta prova. Entre as variáveis preditivas associadas ao desempenho na competência Leitura Crítica, encontram-se o corpo docente, a faixa etária e o índice de transporte do aluno, três importantes variáveis relacionadas ao bom ou baixo desempenho acadêmico dos alunos da Universidad Javeriana Cali. O conhecimento gerado nesta pesquisa constitui-se em informação de qualidade para subsidiar a tomada de decisão das diretrizes da universidade no sentido de melhorar a qualidade do ensino superior que é oferecido nesta instituição.

Análise de imagens de satélite usando técnicas de aprendizado profundo e aeronaves pilotadas remotamente para a descrição detalhada de estradas terciárias

Abstract This document presents the results of a proof of concept for describing with more detail the social and complementary infrastructure around the tertiary roads of the Taminango region in the department of Nariño, Colombia. A dataset with samples of free satellite images from Google Maps and OpenStreetMaps was obtained. Then, a supervised deep learning algorithm with FCN (Fully Convolutional Network) topology is applied for the points of interest labeling process and the identification of the state of the roads using Keras and TensorFlow. Subsequently, a system consisting of a desktop application and a mobile application that integrates the functionalities of the trained algorithm through an intuitive interface and simple logic that stimulates interaction with the consultant is proposed. The desktop application includes a GUI designed in Python for tagging points of interest. The mobile application was developed with Flutter and comprises a database with documentation of the routes and road network in the region. It includes an augmented reality system in Vuforia Engine and Unity with virtual content developed in Blender and SolidWorks; A 3D model of the map of the region has been recreated for easier interaction and visualization of the points of interest and the status of the studied roads. In addition, complementary information was collected through remotely piloted aircraft for data acquisition in environments difficult to access, and through the community participation for the description and identification of areas not visible on official maps or statistics. This study addresses a method for the classification and identification of state of tertiary road network of the studied region, as well as labeling points of interest for the efficient management of resources for the development of new infrastructure there.

Resumen Este documento presenta los resultados de una prueba de concepto para la descripción con mayor detalle de la infraestructura social y complementaria alrededor de las vías terciarias de la región de Taminango, en el departamento de Nariño. Inicialmente, se obtuvo un conjunto de datos con muestras de imágenes satelitales de información libre de Google Maps y OpenStreetMaps. Seguidamente, se aplicaron algoritmos de aprendizaje profundo supervisado con topología de red FCN (Fully Convolutional Network) para el proceso de etiquetado de los puntos de interés y la identificación del estado de las vías mediante el uso de Keras y TensorFlow. Posteriormente, se propone un sistema compuesto por una aplicación de escritorio y una aplicación móvil que integre las funcionalidades del algoritmo entrenado a través de una interfaz intuitiva y de lógica simple que estimule la interacción con el consultor. La aplicación de escritorio contempla una GUI diseñada en Python para el etiquetado de puntos de interés. Por su parte, la aplicación móvil fue desarrollada con Flutter y comprende una base de datos con documentación de las rutas y red vial de la región. Incluye un sistema de realidad aumentada en Vuforia Engine y Unity con contenido virtual desarrollado en Blender y SolidWorks; se ha recreado un modelo 3D del mapa de la región para la interacción y visualización con mayor facilidad de los puntos de interés y el estado de las vías de estudio. Además, se recolectó información complementaria a través de aeronaves remotamente pilotadas, para la adquisición de datos en entornos de difícil acceso, y de la participación comunitaria para la descripción e identificación de áreas no visibles en mapas oficiales o estadísticas. En este estudio se aborda un método para la clasificación e identificación del estado de la red vial terciaria de la región, así como también se presenta el etiquetado de puntos de interés para el manejo eficiente de los recursos destinados al desarrollo de nueva infraestructura en la región.

Resumo Este documento apresenta os resultados de uma prova de conceito para uma descrição mais detalhada da infraestrutura social e complementar no entorno das estradas terciárias da região de Taminango, no departamento de Nariño. Inicialmente, um conjunto de dados foi obtido com amostras de imagens gratuitas de imagens de satélite do Google Maps e OpenStreetMaps. Posteriormente, algoritmos de aprendizado profundo supervisionado com topologia de rede FCN (Fully Convolutional Network) foram aplicados para o processo de rotulagem dos pontos de interesse e identificação do estado das estradas usando Keras e TensorFlow. Posteriormente, é proposto um sistema composto por um aplicativo desktop e um aplicativo móvel que integra as funcionalidades do algoritmo treinado por meio de uma interface intuitiva e lógica simples que estimula a interação com o consultor. O aplicativo de desktop inclui uma GUI projetada em Python para a rotulagem de pontos de interesse. Por seu turno, a aplicação móvel foi desenvolvida com Flutter e inclui uma base de dados com documentação das rotas e rede viária da região. Inclui um sistema de realidade aumentada em Vuforia Engine e Unity com conteúdo virtual desenvolvido em Blender e SolidWorks; Um modelo 3D do mapa da região foi recriado para facilitar a interação e visualização dos pontos de interesse e do estado das estradas de estudo. Além disso, foram coletadas informações complementares por meio de aeronaves pilotadas remotamente, para aquisição de dados em ambientes de difícil acesso, e da participação da comunidade para descrição e identificação de áreas não visíveis em mapas oficiais ou estatísticas. Este estudo aborda um método de classificação e identificação da situação da malha rodoviária terciária na região, bem como a marcação de pontos de interesse para a gestão eficiente de recursos para o desenvolvimento de novas infraestruturas na região.

Aplicação de ciência de dados espaciais em resultados do teste “Saber 5”

Abstract The purpose of the Saber tests is to improve the quality of education in Colombia through periodic evaluations of the competencies development in basic and secondary education students. Although different data mining studies of the Saber tests’ results have been carried out, not many are based on spatial analysis of data in the educational field. This article presents a study based on exploratory and spatial analyses of the 2016 Saber 5 test dataset, which aims at identifying the relationship between the results of the test and the geographic or spatial distribution of the data. For the development of this research, four methodological phases were established: data selection and collection, correlation analysis, spatial data analysis, obtaining conclusions. Using the free GeoDa tool, a quantile and regression analysis was performed on the results of the Language, Mathematics, and Natural Sciences areas. Similarly, an analysis based on clustering was performed using the KMeans algorithm. The results obtained made it possible to determine the linear and spatial correlation between the data and the different departments of Colombia at the level of the three areas considered, which may be of interest in decision-making processes by the Ministry of Education. In addition, the research allowed to verify the usefulness of the GeoDa tool for conducting studies based on exploratory and spatial analysis in different application contexts.

Resumen Las pruebas saber tienen como objetivo contribuir al mejoramiento de la calidad de la educación en Colombia a través de la realización de evaluaciones periódicas que buscan evaluar el desarrollo de competencias en los estudiantes de educación básica. Aunque se han realizado diferentes estudios basados en minería de datos sobre los resultados de las pruebas saber, se han evidenciado pocos estudios basados en análisis espacial de datos en el ámbito educativo. En este artículo se propone como aporte el desarrollo de un estudio basado en análisis exploratorio y análisis espacial sobre el conjunto de datos de las pruebas saber 5 del año 2016, el cual tiene por objetivo identificar la relación entre los resultados de las pruebas saber y la distribución geográfica y/o espacial de los datos. Para el desarrollo de esta investigación se definieron 4 fases metodológicas a saber: selección y obtención de los datos, análisis de correlación, análisis espacial de los datos, obtención de conclusiones sobre el estudio desarrollado. A través del uso de la herramienta libre GeoDa se realizó un análisis de cuantiles y regresión sobre los resultados obtenidos en las áreas de Lenguaje, Matemáticas y Ciencias Naturales. Del mismo modo, se realizó un análisis basado en clustering mediante el uso del algoritmo KMeans. Los resultados obtenidos permitieron determinar la correlación lineal y espacial existente entre los datos asociados a los diferentes departamentos de Colombia a nivel de las 3 áreas consideradas, los cuales pueden resultar de interés en cuanto a la toma de decisiones por parte del Ministerio de Educación. Así mismo, la investigación desarrollada permitió verificar la utilidad de la herramienta GeoDa para la conducción de estudios basados en análisis exploratorio y espacial en diferentes contextos de aplicación.

Resumo O objetivo de conhecer provas é contribuir para a melhoria da qualidade da educação na Colômbia por meio de avaliações periódicas que buscam avaliar o desenvolvimento de competências em alunos da educação básica. Embora existam diversos estudos baseados em mineração de dados sobre os resultados dos testes de sabre, poucos estudos baseados em análise espacial de dados na área educacional foram evidenciados. Este artigo propõe como contribuição o desenvolvimento de um estudo baseado na análise exploratória e análise espacial sobre o conjunto de dados dos testes de sabre 5 do ano de 2016, que visa identificar a relação entre os resultados dos testes de sabre e os ou distribuição espacial dos dados. Para o desenvolvimento desta pesquisa, foram definidas 4 fases metodológicas, a saber: seleção e obtenção de dados, análise de correlação, análise espacial dos dados, obtenção de conclusões sobre o estudo desenvolvido. Por meio da ferramenta gratuita GeoDa, foi realizada a análise de quantis e regressão dos resultados obtidos nas áreas de Linguagem, Matemática e Ciências Naturais. Da mesma forma, uma análise baseada em agrupamento foi realizada usando o algoritmo KMeans. Os resultados obtidos permitiram determinar a correlação linear e espacial entre os dados associados aos diferentes departamentos da Colômbia ao nível das 3 áreas consideradas, o que pode ser de interesse em termos de decisão do Ministério da Educação. Da mesma forma, a pesquisa realizada permitiu verificar a utilidade da ferramenta GeoDa para a realização de estudos baseados em análises exploratórias e espaciais em diferentes contextos de aplicação.

Conceitos e percepções dos profissionais da indústria de software sobre a produtividade da equipe no desenvolvimento ágil de software: um estudo comparativo

Abstract Agile software development (ASD) has generated different benefits in organizations and in the Software Industry, mainly in improving productivity. For ASD teams this indicator plays a fundamental role since it helps determine their performance. However, evaluating productivity is a great challenge and the way in which this concept has been approached in the literature is very limited. The objective of this article is to contrast the conceptions of productivity at the team level from an ASD perspective with the perceptions that professionals in the software industry have. For the methodological design, the notions of team productivity presented in the literature were identified and compared with the perceptions of 72 professionals from the software industry collected through a survey following the protocol proposed by Kitchenham and Pfleeger. The main results show that the concept of team productivity in the literature is associated with a set of dimensions related to satisfaction, delivery of functional software, and knowledge transfer. On the part of the respondents, a perception of general productivity centered on dimensions of customer satisfaction, activity management, and early identification of the problem to be solved is evidenced. It can be concluded that the professionals' imaginaries focus on presenting productivity from a generic perspective and its dimensions do not necessarily involve teamwork.

Resumen El desarrollo ágil de software (ASD por sus siglas en inglés) ha generado diferentes beneficios en las organizaciones y en la Industria de Software, principalmente en la mejora de la productividad. Para los equipos ASD este indicador juega un papel fundamental puesto que contribuye a determinar su desempeño. Sin embargo, evaluar la productividad es un gran reto y la forma en como este concepto ha sido abordado en la literatura es muy limitado. El objetivo de este artículo es contrastar las concepciones de productividad a nivel de equipo desde una perspectiva de ASD con las percepciones que tienen los profesionales de la industria de software. Para el diseño metodológico se identificaron las nociones de productividad de equipo expuestas en la literatura y se compararon con las percepciones de 72 profesionales de la industria de software recopilados a través de una encuesta que siguió el protocolo propuesto por Kitchenham y Pfleeger. Los principales resultados muestran que el concepto de productividad de equipo en la literatura se asocia a un conjunto de dimensiones relacionadas con satisfacción, entrega de software funcional y transferencia de conocimiento. Por parte de los encuestados, se evidencia una percepción de productividad general centrada en las dimensiones: satisfacción de un cliente, gestión de actividades e identificación temprana del problema a solventar. Se puede concluir que los imaginarios de los profesionales se centran en presentar la productividad desde una visión genérica y sus dimensiones no necesariamente involucran el trabajo en equipo.

Resumo O desenvolvimento ágil de software (ASD) tem gerado diversos benefícios nas organizações e na indústria de software, principalmente na melhoria da produtividade. Para as equipes de ASD, este indicador desempenha um papel fundamental, pois ajuda a determinar seu desempenho. Porém, avaliar a produtividade é um grande desafio e a forma como esse conceito tem sido abordado na literatura é muito limitada. O objetivo deste artigo é contrastar as concepções de produtividade em nível de equipe a partir de uma perspectiva de ASD com as percepções que os profissionais da indústria de software têm. Para o desenho metodológico, as noções de produtividade da equipe expostas na literatura foram identificadas e comparadas com as percepções de 72 profissionais da indústria de software coletadas por meio de uma pesquisa que seguiu o protocolo proposto por Kitchenham e Pfleeger. Os principais resultados mostram que o conceito de produtividade da equipe na literatura está associado a um conjunto de dimensões relacionadas à satisfação, entrega de software funcional e transferência de conhecimento. Por parte dos inquiridos, evidencia-se uma percepção de produtividade geral centrada nas dimensões: satisfação do cliente, gestão da atividade e identificação precoce do problema a resolver. Pode-se concluir que o imaginário dos profissionais concentra-se em apresentar a produtividade em uma perspectiva genérica e suas dimensões não envolvem necessariamente o trabalho em equipe.

Inteligência de negócios para os programas das secretarias de saúde, educação e planejamento de um ente territorial

Resumen Los entes territoriales en Colombia por ley deben registrar y reportar a diferentes instancias la información de control de los programas gubernamentales que administran. Sin embargo, es tanta la información distribuida en diversas plataformas estatales y propias, que el resultado es procesado y generado en diferentes formatos. Esta situación dificulta el manejo integral de los datos territoriales, pues, aunque la información existe, se encuentra aislada y su análisis se realiza de manera independiente por cada parte responsable del proceso. El objetivo de esta investigación es la Implementación de un modelo de inteligencia de negocios que permite integración y análisis de los datos de los programas de las secretarías de Salud, Educación y Planeación para un Ente Territorial. Se empleó la metodología de Ralph Kimball implementando un modelo de topología estrella en el Datamart; utilizando como gestor de base de datos MySQL se construye un sistema ETL con la herramienta Pentaho que permite la extracción, transformación y carga de los datos en el Datamart. Se obtienen los cubos, reportes y Dashboard con el manejo de herramientas como Pentaho y Power BI y de este modo es posible realizar una correcta interpretación de la información resultante. Después de aplicar Inteligencia de Negocios se logra generar un adecuado análisis de la información, permitiendo la toma de decisiones y aplicación de nuevas estrategias para dar solución a problemas específicos mediante la utilización de tableros de control, visualización de indicadores y generación de reportes.

Abstract Territorial entities in Colombia are bound by the law to register and report to different instances the control information of the government programs they administer. However, so much information is distributed on various state and owned platforms that the result is processed and generated in different formats. This situation makes the comprehensive management of territorial data difficult, since, although the information exists, it is isolated, and its analysis is carried out independently by each party responsible for the process. The objective of this research is the Implementation of a business intelligence model that allows integration and analysis of data from the programs of the Health, Education, and Planning ministries for a Territorial Entity. Ralph Kimball's methodology was used, implementing a star topology model in the Datamart using MySQL as a database manager, an ETL system was built with the Pentaho tool which allows the extraction, transformation, and loading of the data in the Datamart. The cubes, reports and Dashboard are obtained with the management of tools such as Pentaho and Power BI, thus it is possible to make a correct interpretation of the resulting information. After applying Business Intelligence, it is possible to generate an adequate analysis of the information, allowing decision-making and application of new strategies to solve specific problems using control panels, visualization of indicators and generation of reports.

Resumo As entidades territoriais na Colômbia por lei devem registrar e relatar a diferentes instâncias as informações de controle dos programas de governo que administram. Porém, tanta informação é distribuída em vários estados e plataformas próprias que o resultado é processado e gerado em diferentes formatos. Esta situação dificulta a gestão integral dos dados territoriais, pois, embora a informação exista, é isolada e a sua análise é efectuada de forma independente por cada um dos responsáveis pelo processo. O objetivo desta pesquisa é a implementação de um modelo de business intelligence que permita a integração e análise de dados dos programas dos ministérios da Saúde, Educação e Planejamento de uma Entidade Territorial. Foi utilizada a metodologia de Ralph Kimball, implementando um modelo de topologia em estrela no Datamart; Utilizando o MySQL como gerenciador de banco de dados, é construído um sistema ETL com a ferramenta Pentaho que permite a extração, transformação e carregamento de dados no Datamart. Os cubos, relatórios e Dashboard são obtidos com a gestão de ferramentas como Pentaho e Power BI e desta forma é possível fazer uma interpretação correta da informação resultante. Após a aplicação de Business Intelligence, é possível gerar uma análise adequada das informações, permitindo a tomada de decisões e aplicação de novas estratégias para resolução de problemas específicos por meio da utilização de painéis de controle, visualização de indicadores e geração de relatórios.

Comparação de funções de kernel na classificação de zonas de irradiância de imagens de satélite multiespectrais

Abstract Due to the growing energy demand and the eminent global warming, there is special interest in the prediction of irradiance based on the reflectance obtained from satellites such as NASA Landsat, since it allows to know where it is more efficient to place photovoltaic receivers. Although there are studies for obtaining regression models with alternative Kernel functions, their performance for classification models is unknown and it is here where this research focuses. The study couples alternative Kernel functions to the support vector machines (SVM) algorithm for classification problems, where the best configuration for these algorithms is explored to finally obtain a set of irradiance maps zoned by class.

Resumen Debido a la creciente demanda de energía y al eminente calentamiento global, existe especial interés en la predicción de irradiancia basada en la reflectancia obtenida de satélites como el Landsat de la NASA, ya que permite saber dónde es más eficiente colocar receptores fotovoltaicos. Si bien existen estudios para la obtención de modelos de regresión con funciones Kernel alternativas, se desconoce su desempeño para modelos de clasificación, y es aquí donde se enfoca esta investigación. El estudio combina funciones de Kernel alternativas al algoritmo máquinas de soporte vectorial (SVM) para problemas de clasificación, donde se explora la mejor configuración para estos algoritmos, y así finalmente obtener un conjunto de mapas de irradiancia zonificados por clase.

Resumo Devido à crescente demanda de energia e ao eminente aquecimento global, há especial interesse na previsão da irradiância a partir da refletância obtida de satélites como o NASA Landsat, pois permite saber onde é mais eficiente colocar os receptores fotovoltaicos. Embora existam estudos para obtenção de modelos de regressão com funções alternativas do Kernel, seu desempenho para modelos de classificação é desconhecido e é aqui que se concentra esta pesquisa. O estudo acopla funções Kernel alternativas ao algoritmo de máquinas de vetores de suporte (SVM) para problemas de classificação, onde a melhor configuração para esses algoritmos é explorada para finalmente obter um conjunto de mapas de irradiância zoneados por classe.